官方文档

https://mnn-docs.readthedocs.io/en/latest/index.html
https://github.com/alibaba/MNN

编译安装

git clone https://github.com/alibaba/MNN.git

cd ./MNN

./schema/generate.sh

mkdir build

cd build

cmake .. -DMNN_BUILD_CONVERTER=ON -DMNN_BUILD_TORCH=ON -DMNN_BUILD_TOOL=ON -DMNN_BUILD_BENCHMARK=ON -DMNN_BUILD_QUANTOOLS=ON -DMNN_BUILD_DEMO=ON

make -j8

make install

编译生成的可执行文件在build文件夹下

cd pymnn/pip_package

python build_deps.py

pip install aliyun-log-python-sdk

python setup.py install

ONNXToMNN

./MNNConvert -f ONNX --modelFile XXX.onnx --MNNModel XXX.mnn --bizCode biz --fp16

在Android上使用测试工具

cd project/android

mkdir build_64

cd build_64 

 ../build_64.sh

../updateTest.sh
# 使用adb将编译生成的.so文件和测试工具push到手机上

在Android上测试（以timeProfile.out为例）：

adb shell

cd /data/local/tmp/MNN

export LD_LIBRARY_PATH=.:$LD_LIBRARY_PATH

./timeProfile.out [adb push到手机上的.mnn文件] [测试的循环次数，默认为100] [执行推理的计算设备，默认为0，代表cpu] [输入tensor的大小] [线程数，仅对CPU有效，默认为4] [精度，仅对CPU有效，默认为0]
# ./timeProfile.out mobilenetv2-7.mnn 10 0 1x3x224x224 1

结语

如果您有修改意见或问题，欢迎留言或者通过邮箱和我联系。
如果我的文章对您有帮助，转载请注明出处。